沿着曲线的延伸：厘清可再生能源的波动性影响

《Energy Economics》：Along and beyond the curve: Disentangling the volatility effects of renewable energy

　　• 可再生能源的波动性效应可以分解为两个结构通道。
• 该框架协调了不同市场、技术和时间范围间的混合证据。
• 我们将这一框架应用于中国的两个现货市场：山东和山西。
• 太阳能在两个省份都提高了日内波动性，但降低了日间波动性。
• 风能在山东提高了日内波动性，而在山西则降低了日内波动性。

**引言**
作为全球脱碳努力的基石，风能和太阳能发电从边缘能源迅速发展为许多国家电力供应的主要组成部分（Creutzig等人，2017年；Nijsse等人，2023年；国际能源署，2025年）。虽然它们对平均价格水平的影响已经得到了充分理解，并被广泛记录为“优先顺序效应”（例如，Sensfu?等人，2008年；Würzburg等人，2013年；Cludius等人，2014年；Clò等人，2015年；Antweiler和Muesgens，2021年），但它们对价格波动性的影响仍然没有定论。
电力价格波动性对风险管理和投资决策有直接影响。短期内，发电商和零售商通过衍生品和合同来对冲风险，这些工具的设计和定价取决于价格波动性的特性（Deng和Oren，2006年；Wei和Lunde，2023年）。较高的波动性会提高对冲成本并放大短期风险。从长期来看，波动的价格会侵蚀容量投资的基础——收入的可预测性，这可能会提高风险溢价并加剧“资金缺失”问题（Simshauser，2018年；Gugler等人，2020年；Frondel等人，2022年），最终削弱投资激励并威胁资源充足性。
可再生能源发电的固有间歇性使这些问题变得尤为突出，因此它们的波动性效应成为市场参与者和政策制定的核心议题。然而，关于可再生能源波动性效应的实证证据仍然存在分歧：一些研究表明可再生能源会增加价格波动性（Ketterer，2014年；Mwampashi等人，2021年；Liebensteiner等人，2025年），另一些研究则得出相反结论（Maniatis和Milonas，2022年；Tselika，2022年），还有些研究观察到非线性或复杂的模式（Maciejowska，2020年；Bushnell和Novan，2021年；Kulakov和Ziel，2021年）。尽管每项研究在其特定的市场和技术组合中都提供了有价值的信息，但这些发现的总体格局仍然缺乏深入分析。
造成这些分歧的原因仍然是一个未解之谜，因为背后的机制尚未得到充分研究，并且在不同技术、市场和频率下的相对强度可能有所不同。因此，在本文中我们提出以下问题：这些不同的通道是什么？太阳能与风能在这些通道上有什么差异？它们的相互作用能否解释在不同市场和时间范围内观察到的多样且看似矛盾的现象？

为了回答这些问题，我们首先开发了一个理论框架，将可再生能源发电的波动性效应分解为通过电力现货市场均衡作用的两个结构通道。然后我们利用这一框架进行数值模拟，探讨这些通道的相互作用如何随供应配置和可再生能源渗透率的变化而变化。我们使用来自山东和山西的每小时实时价格数据，这两个中国的代表性省级现货市场，通过文献中常用的季节性ARMAX模型（Cuaresma等人，2004年；Koopman等人，2007年；Rintam?ki等人，2017年；Yang等人，2017年；Hosius等人，2023年）来估计波动性效应，并实证地分离这两个理论通道，考察它们的相对重要性如何在不同技术、市场和时间范围内变化。

**理论框架**
在理论框架中，我们展示了波动性效应可以分解为两个结构通道。
1. **曲率通道**通过优先顺序安排的形状发挥作用，这一安排主要由传统发电机的组成决定，无论可再生能源输出来自太阳还是风能都会产生影响。较高的可再生能源输出会改变运营点沿着曲线的位置，不同的局部斜率决定了价格对剩余需求的敏感度。凸形的优先顺序安排会降低波动性，凹形的优先顺序安排会增加波动性，而凹凸结合的安排则会在渗透率上升时先出现波动性下降，随后波动性增加。
2. **分散通道**源于剩余需求方差的变化，并在不同技术间有所不同。对于太阳能而言，在低渗透率下，输出与高峰需求对齐，从而平滑波动；而在高渗透率下，增加的输出会打破这种对齐并放大日内波动（鸭子曲线现象）。对于风能，间歇性最初会增加剩余需求的波动，但随着在不完全相关地点的空间多样化扩大，这种波动逐渐被抵消并最终减少。

这两个通道可以相互增强或抵消，从而在不同优先顺序安排和渗透率水平下产生不同的太阳能和风能波动性响应。对于太阳能，分散通道在所有我们考察的配置中都足够强大，主导了总波动性响应，形成了大致呈U形的渗透率轨迹，而曲率通道仅在边际上调整这一轨迹。对于风能，两个通道的强度相似，任何一个都可能占主导地位，因此总响应反映了分散驱动的倒U形轨迹与优先顺序安排决定的曲率驱动轨迹之间的平衡，这种平衡随着两个通道相对强度的变化而变化。总体而言，模拟结果表明该框架可以再现现有文献中的不同模式，为先前研究中的矛盾发现提供了结构性解释。

**实证分析**
接下来，我们将这一框架应用于来自山东和山西的实时市场数据，这两个中国的省级电力市场具有较高的可再生能源渗透率，并总结了三个主要发现：
1. 与以往研究一致，我们发现可再生能源的波动性效应在不同技术和市场之间存在差异。在日内时间范围内，太阳能发电在这两个省份都显著提高了价格波动性，呈现出稳健的U形模式。相比之下，风能发电在山东提高了日内波动性，而在山西则降低了日内波动性。这些模式对不同的去季节化程序、变量度量、模型结构、估计方法、额外控制因素、对不可观察变量的敏感性以及工具变量估计都具有稳健性。
2. 分离分散通道和曲率通道证实了上述模式可以在该框架内清晰地界定。与分散通道一致，我们发现剩余需求波动性与太阳能呈U形关系，与风能呈倒U形关系。对于曲率通道，我们发现剩余需求实证清算曲线的局部斜率为U形，这表明供应安排是凹凸结合的。此外，我们发现，在考虑剩余需求波动性的条件下，太阳能效应在两个省份都不再显著为正，这表明分散通道在太阳能效应中起着重要作用。对于风能，估计的效应在两个省份中都保持其符号和显著性，因此仅凭分散度量无法完全解释这种关系。在山东，风能对剩余需求波动性的影响总体有限，进而通过该通道对价格波动性的影响也有限；而在山西，风能也降低了剩余需求波动性，因此两个通道朝相同方向作用，共同有助于减少价格波动性。
3. 虽然太阳能发电增加了日内波动性，但它降低了日间波动性，而风能效应在两个时间范围内的效果在定性上是一致的。这种差异可以通过太阳能输出的时间结构来解释：太阳能发电在白天的集中使得日内价格分布变宽，但在日度层面，太阳能输出的昼夜分布相对稳定，因此白天的分散通道在很大程度上被抵消了，曲率通道可能起作用，导致日间波动性净减少。将分析扩展到实时价格与日前价格的每小时偏差，我们进一步验证了可再生能源发电在塑造短期价格不确定性中的作用。

**论文贡献**
本文对几类文献做出了贡献：
1. 我们开发了一个统一的框架，区分了太阳能和风能，并正式将它们的波动性效应分解为两个基本通道：曲率效应和分散效应。最接近的文献（Wozabal等人，2016年；Sch?niger和Morawetz，2022年）将可再生能源发电与价格波动性联系起来，但没有为太阳能和风能分别推导出特定技术的预测。通过数值模拟，我们的框架特别有助于理解可再生能源如何影响价格波动性。
2. 我们还回应了关于可再生能源波动性效应的实证文献，这些文献迄今为止在不同市场和技术中报告了混合且常常矛盾的发现，并且未能完全解释这些差异。我们通过实证分离了驱动观察到的模式的潜在通道，并表明看似矛盾的发现可以通过曲率通道和分散通道的相互作用来合理解释，从而提供了结构性解释，有助于调和现有文献中的混合证据。
3. 我们还为中国电力现货市场的新兴文献做出了贡献。大多数现有研究关注市场设计和制度特征，依赖模拟或反事实分析，而基于实际交易数据的实证证据仍然稀缺。我们使用来自中国最早的两个省级现货市场试点——山东和山西的实时市场数据，量化了可再生能源对价格波动性的影响。据我们所知，这项研究是少数研究这一相互作用的研究之一，并提供了基于真实世界数据的罕见实证证据。

**论文结构**
本文的其余部分安排如下：
第2节回顾相关文献。
第3节发展理论框架并进行数值模拟。
第4节描述实证环境和数据。
第5节详细介绍变量构建和计量经济学规范。
第6节呈现主要实证结果，并讨论两个通道以及稳健性和异质性分析。
第7节将分析扩展到日度价格波动性。
第8节讨论我们的发现的政策意义并得出结论。我们开发了一个统一的框架，该框架将总效应分解为两个部分：一个是曲率通道，通过这个通道，可再生能源改变了电力市场的运营范围（即电力的优先排序）；另一个是分散通道，通过这个通道，可再生能源改变了剩余需求的变动性。

**作者贡献声明：**
- 莱恩·紫怡（Lan Ziyi）：撰写、审稿与编辑、初稿撰写、数据可视化、结果验证、项目管理工作、方法论研究、数据分析、概念化。
- 宋峰（Song Feng）：撰写、审稿与编辑、结果验证、项目监督、资源协调、数据收集、资金申请、概念化。
- 吴铁龙（Wu Tielong）：撰写、审稿与编辑、初稿撰写、数据可视化、结果验证、软件开发、方法论研究、数据分析、概念化。

**资助信息：**
本研究得到了国家社会科学基金重大项目的支持（项目编号：24ZDA098）。

作者：莱恩·紫怡 | 宋峰 | 吴铁龙